这7 个深度学习实用技巧,你掌握了吗?

2018-02-12 16:21:00 来源:推酷
分享到:
标签:
前几天,深度学习工程师George Seif发表了一篇博文,总结了7个深度学习的技巧,主要从提高深度学习模型的准确性和速度两个角度来分析这些小技巧。在使用深度学习的时候,我们不能仅仅把它看成一个黑盒子,因为网络设计、训练过程、数据处理等很多步骤都需要精心的设计。作者分别介绍了7个非常实用小技巧:数据量、优化器选择、处理不平衡数据、迁移学习、数据增强、多个模型集成、加快剪枝。相信掌握了这7个技巧,能让你在实际工作中事半功倍!
 
7 Practical Deep Learni ng Tips
 
7个实用的深度学习技巧
深度学习已经成为解决许多具有挑战性问题的方法。 在目标检测,语音识别和语言翻译方面,深度学习是迄今为止表现最好的方法。 许多人将深度神经网络(DNNs)视为神奇的黑盒子,我们输入一些数据,出来的就是我们的解决方案! 事实上,事情要复杂得多。
 
在设计和应用中,把DNN用到一个特定的问题上可能会遇到很多挑战。 为了达到实际应用所需的性能标准,数据处理、网络设计、训练和推断等各个阶段的正确设计和执行至关重要。 在这里,我将与大家分享7个实用技巧,让你的深度神经网络发挥最大作用。
 
 
▌ 1-数据,数据,数据
这不是什么大秘密,深度学习机需要大量的“燃料”, 那“燃料”就是数据。拥有的标签数据越多,模型的表现就越好。 更多数据产生能更好性能的想法,已经由谷歌的大规模数据集(有3亿图像)证明!为了感受数据带给深度学习模型的性能提升,在部署Deep Learning模型时,你应该不断地为其提供更多的数据和微调以继续提高其性能。 Feed the beast:如果你想提高你的模型的性能,就要提供更多的数据!
 
图显示数据量的增加会得到更好的性能
 
▌ 2-你应该选择哪一个优化器
多年来,已经开发了许多梯度下降优化算法,他们各有其优缺点。 一些最流行的方法如下:
 
Stochastic Gradient Descent (SGD) with momentum
 
Adam
 
RMSprop
 
Adadelta
 
RMSprop,Adadelta和Adam被认为是自适应优化算法,因为它们会自动更新学习率。 使用SGD时,您必须手动选择学习率和动量参数,通常会随着时间的推移而降低学习率。
 
在实践中,自适应优化器倾向于比SGD更快地收敛, 然而,他们的最终表现通常稍差。 SGD通常会达到更好的minimum,从而获得更好的最终准确性。但这可能需要比某些优化程序长得多的时间。 它的性能也更依赖于强大的初始化和学习率衰减时间表,这在实践中可能非常困难。
 
因此,如果你需要一个优化器来快速得到结果,或者测试一个新的技术。 我发现Adam
 
很实用,因为它对学习率并不是很敏感。 如果您想要获得绝对最佳的表现,请使用SGD + Momentum,并调整学习率,衰减和动量值来使性能最优化。
 
▌ 两全其美的办法
最近已经证明,可以得到两全其美的结果:从 Adam   到SGD的高性能高速训练! 这个想法是,实际上由于在训练的早期阶段SGD对参数调整和初始化非常敏感。 因此,我们可以通过使用Adam来开始训练,这将节省相当长的时间,而不必担心初始化和参数调整。 那么,一旦Adam获得较好的参数,我们可以切换到SGD +动量优化,以达到最佳性能!
 
 
Adam vs SGD 性能 
 
▌ 3-如何处理不平衡数据
在很多情况下,都要处理不平衡的数据,特别是实际应用程序中。 一个简单而实际的例子如下:训练您的深度网络以预测视频流中是否有人持有致命武器。 但是在你的训练数据中,你只有50个拿着武器的人的视频和1000个没有武器的人的视频! 如果你只是用这些数据来训练你的网络,那么你的模型肯定会非常偏向于预测没有人有武器!
 
你可以做用以下的方法来解决它:
 
在损失函数中使用类权重。 本质上就是,让实例不足的类在损失函数中获得较高的权重,因此任何对该类的错分都将导致损失函数中非常高的错误。
 
过度采样:重复一些实例较少的训练样例,有助于平衡分配。 如果可用的数据很小,这个方法最好。
 
欠采样:一些类的训练实例过多,可以简单地跳过一些实例。 如果可用数据非常大,这个方法最好。
 
为少数类增加数据。可以为少数类创建更多的训练实例! 例如,在前面检测致命武器的例子中,你可以改变属于具有致命武器的类别的视频的颜色和光照等。
 
 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

继续阅读
当人工智能普及,男女还有别吗?
当人工智能普及,男女还有别吗?

越来越多的人已经意识到:技术对于创造一个没有偏见的世界,是非常有潜力的。

日本警方开发人工智能系统,能带来啥好处?

日本神奈川县警方将利用基于数据分析和深度学习的人工智能系统,预测犯罪事件和交通事故并采取相应对策。这是日本警方首次开发预测犯罪事件和交通事故的人工智能系统。

深扒人脸识别技术,原理、算法深度解析
深扒人脸识别技术,原理、算法深度解析

在深度学习出现后,人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中,难以从图片中取出合适的特征值。

一文看透AI领域的“华山论剑”
一文看透AI领域的“华山论剑”

真应了《笑傲江湖》里那句:“有人的地方就会有江湖,有江湖就有恩怨。”只是这次的江湖和恩怨都源自人工智能而不是人。

触控芯片厂义隆宣布:3D人脸辨识解决方案有望量产

自从iPhone X 采用3D传感器后,安卓阵营也在迅速跟进,不过,目前为止没有见到真正完整方案出炉。

更多资讯
《恋与制作人》团队春节发布用户致歉,竟然只是因为一则广告!
《恋与制作人》团队春节发布用户致歉,竟然只是因为一则广告!

春节期间,恋爱休闲游戏《恋与制作人》推出的一组以“陪伴”为主题的真人广告,没想到引发争议,官方在微博进行了道歉。

苹果iOS 11.2.6更新发布,修复无法连接到外部附件、闪退等问题
苹果iOS 11.2.6更新发布,修复无法连接到外部附件、闪退等问题

IT之家2月20日消息 今天凌晨,苹果面向正式版用户推送了iOS 11.2.6系统更新。此次更新修复了使用某些字符序列可能导致应用程序崩溃的问题以及某些第三方应用可能无法连接到外部附件的问题。

为何360旗下快视频否认获取B站用户隐私,却遭用户狂怼?
为何360旗下快视频否认获取B站用户隐私,却遭用户狂怼?

今天曝出的360旗下快视频疑似“脱库B站数据库,获取B站用户个人隐私”事件有了新进展,快视频官方针对此事发了两条微博。

老掐架的蓝绿大厂,为何店面却往往就开在隔壁?
老掐架的蓝绿大厂,为何店面却往往就开在隔壁?

1分钟知识锦囊是36氪的日更问答新栏目,旨在每天以一分钟为限,快问快答一个重要的商业问题。今天我们解答的是手机相关的问题。如果你对近期的商业世界还有什么疑问,欢迎给我们留言,锦囊负责找高手为你解答。

彩电行业近几年不好过,2018年会出现转机?

近日,各分析机构发布了2017年中国彩电市场数据,情况不容乐观。中国电子视像行业协会数据显示,2017年我国彩电零售量下滑6.6%,零售额增长4.5%。

Moore8直播课堂
电路方案